EBITDA 改善 20%，在 1~2 年內收回投資，投入 1 美元可回收 3 美元。這是麥肯錫在深入研究 AI 轉型表現最佳的 20 家企業後得到的數字。
今年 4 月出版的《Rewired: McKinsey's Playbook on How Leading Companies Win with Technology and AI》新版我已閱讀。2023 年的初版整理了超過 200 家企業的數位與 AI 轉型經驗，而本版則把副標題改為「領先企業如何以技術與 AI 取勝」。生成式 AI 與代理人已加入，關於轉型經濟性的內容也增多。但骨架仍舊相同：由高層主導的路線圖、內部技術人才、業務與技術同組的運營模式、可快速開發的技術環境、隨處可取用的資料，以及現場的實際使用與擴散——這六大能力。
作者之一 Kate Smage 在被問及三年內有何變化時回答：「框架相同，但標準提升了。」我也有同感。近 30 年來，我在大型企業的 IT 策略與顧問現場觀察轉型專案，幾乎沒有因為缺乏這六大能力而失敗的案例。失敗往往是因為順序錯誤，或交給了不適任的人。讀完此書，我想向國內企業傳達的重點有三點。
1. 成果集中在兩三個領域
前述 20 家企業創造的價值大多來自兩三個領域。麥肯錫稱之為「經濟槓桿」。只要在商業模式上稍作改進，就能觸發大額資金流動。對礦業公司而言是礦石處理量，對保險公司則是損失率，對零售業則是庫存週轉等。
觀察國內企業的 AI 任務清單，情況往往相反。每個部門各自上報數十項任務，絕大多數是內部聊天機器人或文件摘要。我稱之為「PoC 百貨公司」——店面很多，卻沒有產生營收的樓層。共同作者 Robert Levin 指出，績效突出的企業價值更多來自營收提升，而非成本削減。若僅把 AI 視為工作自動化工具，槓桿效應難以顯現。
2. 齒輪在事業部主管的位置咬合
這是本版我最執著的觀點。Eric Lamer 在過去三年最大的領悟是，關鍵人物不是 CEO 也不是 CIO，而是「N‑2、N‑3」層級的領導者——負責一條事業或端到端流程的高階主管。當他開始親自思考「我的事業在哪裡植入技術才能產生成果」時，傳動帶才會啟動，齒輪才會轉動。而這類領導者必須同時負責現有營運與未來變革，才能加速推進。
對照國內大型企業的組織結構，常會感到刺痛。變革大多由 DT 推進室或 IT 部門負責，營運則交給事業部。任務由推進室制定，績效指標由事業部持有，PoC 結束後責任歸屬模糊，等於有兩條審批線。正如書中所說，這不是透過組織改制就能解決的問題，而是要重新綁定權限與評估機制，讓負責事業的主管成為 AI 任務的主人。
3. 外包不會培養內部肌肉
書中有一整章講述美國礦業公司 Freeport‑McMoRan 的案例。初版已說明該公司利用感測器資料與 AI 改造銅礦選礦流程，三年後又將範圍擴展到從低品位礦石中萃取銅的浸出工序。即使任務更具挑戰且定義較模糊，完成時間卻只有最初的一半。原因在於公司內部已留下了資料處理方法、以技術驅動改進的業務領導者，以及快速執行的工作方式。
國內企業在此點必須檢視 SI（系統整合）慣例。專案結束後，人才與知識往往隨外包公司撤離，第二個任務只能從頭再來。書中反覆強調要把關鍵人才留在內部，原因就在此。資料亦是同理。Smage 提到，許多公司等到「資料湖」完備才開始 AI，但她說她從未見過自稱「資料湖完美」的首席資料官。其實只要先把當前要改變的業務所需的資料整理成可用的形式，就能立即著手。
最終還是人的學習速度
作者們在新版中最重要的訊息，出人意料地不是技術本身。所有 AI 轉型本質上都是人的轉型。Smage 甚至指出，越來越多企業在招聘時除了看 IQ、EQ，還會看 LQ（學習指數）。因為這是大家首次接觸的技術，學習快的組織才能抓住價值。
請重新檢視貴公司的 AI 任務清單：有多少任務觸及經濟槓桿？這些任務的主人是負責事業的高階主管嗎？專案結束後，公司內部留下了什麼？如果無法回答這三個問題，現在不是增加任務的時候，而是重新規劃連結的時候。
如果您想重新以經濟槓桿為中心挑選 AI 項目，並設計由事業領導者主導的執行架構，請洽詢 Knowverse 的 AI 導入·活用策略諮詢。我們將以現場使用的檢查框架一起檢視。